实时视觉跟踪：提升相关滤波器学习的鲁棒性
计算机视觉与模式识别
2016-09-12 v2
摘要
基于相关滤波的跟踪模型已受到广泛关注并在实时跟踪中取得了巨大成功，然而，当前相关滤波范式中的损失函数无法可靠地响应由遮挡和光照变化引起的外观变化。本研究旨在提升相关滤波器学习的鲁棒性。通过利用滤波器响应的各向异性，提出了三种与稀疏性相关的损失函数，以缓解先前方法的过拟合问题并提升整体跟踪性能。据此，实现了三种实时跟踪器。在各种挑战性场景下的大量实验表明，通过所设计的损失函数，学习到的相关滤波器的鲁棒性得到了极大提升。此外，本研究从实验角度揭示了不同损失函数如何从根本上影响跟踪性能。一个重要结论是，连续帧中滤波器峰值的敏感性与跟踪性能是一致的。这为设计用于视觉跟踪的鲁棒相关滤波器提供了有用的参考准则。
引用
@article{arxiv.1608.08173,
title = {Real-Time Visual Tracking: Promoting the Robustness of Correlation Filter Learning},
author = {Yao Sui and Ziming Zhang and Guanghui Wang and Yafei Tang and Li Zhang},
journal= {arXiv preprint arXiv:1608.08173},
year = {2016}
}
备注
Published at ECCV 2016